后疫情时代的化工产业迎来了新一轮的契机，绿色化、数字化的发展方向为企业创造新兴领域的机遇，也催生了一系列的创新商业模式。作为工业自动化领域硬件和软件的知名企业，艾默生一直专注于传统工业行业的数字化转型和可持续发展，推出更符合客户需求的智能化解决方案。
化工行业正在寻找创新型发展道路
目前，安全、可持续发展和数字化这三大趋势正推动化工行业发展。
1.安全仍然是化工行业的重中之重。
2.可持续发展举措由围绕减少碳排放的相关环境法规，以及期望通过相应的节能举措来更好地治理环境，去年国家发改委发布的禁塑令促使绿色生物基材料产业的发展， PHA、EPA、戊二胺等新兴生物化工产品的需求快速增长。另外回收塑料制品产业也在不断扩大，将回收的塑料制品转化为基本聚合物或单体，这样的试验工厂或是项目的数量正在迅速增加。
3.第三就是数字化，这是化工行业正在开始探索的领域。该行业关注数字化的这几个关键领域，其中包括以更有效的方式改善数据流和分析，加快从试点到生产的创新速度，提高工厂的管理，利用更多的数据和预测分析做到实时响应，更快地适应市场变化，简化运营，优化资产性能效，减少停车，简化与客户和供应商的互动。
艾默生如何帮助客户应对挑战
不同的行业受疫情影响各不相同。疫情对住房、建筑、汽车以及其他耐用品行业冲击较大，导致一些聚合物和聚氯乙烯的需求下降，但人们对于外卖和在家用餐以及对清洁、消毒和卫生产品的需求增加，使得包装行业繁荣起来。同时酒精、表面活性剂、部分聚烯 烃等抗疫化工品需求逆热增长。
2020年全球对有机和无机化学品的需求下降了10-12%(参考IHSMarkit)，但在化工行业的抗疫化工品、新材料等领域需求却是直线上升。为了保证企业良性发展、疫情要求以及成本考量，企业希望在减少工作人员的情况下保证安全和有效的生产运营。那么，生产运营的自动化是提高生产率的最好方法之一，自动化可能体现在安装无线测量传感器来替代人工现场测量；或者是使用增强现实的耳机、摄像头和wifi等设备，让行业专家不出门就能帮助操作员检查设备情况。当设备正常运行时，无线传感器和数据分析可以预测可能会出现的问题，并提前给维护人员发出预报，以便计划停车时间。这些技术在疫情期间尤显价值。
艾默生帮助优化运营和预测性维护能力
预测性维护的主要创新是在艾默生的无线传感器和数据分析领域。我们的产品变得越来越小，越来越实用。艾默生新款振动传感器可在一个小型的无线设备上提供三轴振动、温度和PeakVue信息，可将其安装到电机、泵或齿轮箱上。新一代AMS资产监测器可在边缘设备中执行分析功能，自动检测10种常见故障，其中包括平衡、对准、松动、齿轮啮合、轴承、润滑和电机问题。
艾默生AMS 9530无线机械设备振动变送器
艾默生AMS设备资产监测器
我们看到越来越多的化工客户将运营数据转移到云端，云系统可以存储大量来源不同的数据，可实现跨多个资产、工厂和地区的分析。由于考虑到局部和工厂整体之间的相互作用，优化应用程序正在从局部优化转移到更广泛的工厂整体的优化。实践而言，应是从小处开始不断发展，选择一个对盈利有影响的部分，让企业相关部门参与进来，建立一个有IT、OT和最终用户组成的坚实的项目团队。
艾默生Plantweb Optics集成化设备管理平台
化工行业对智能工厂建设的投资增大
随着国家十四五计划的发布，我们预计化工企业对于数字化智能工厂的投资将会继续增加，实际上这是几年来数字化上升的延续，新冠疫情恰巧加速了这一趋势。越来越多的跨国化工企业开始在年报中将数字化转型作为一项重要战略。在疫情期间数字化方面的支出不断增加，是因为有相当一部分人员需要在家工作，也使得数字化技术更加受到关注。在此期间企业发现，如果能提供可靠的远程操作基础设施、工具和技术来支持正常运营工作，用更少的人员来实现高效生产也是可能的。
由于疫情影响,人员不能过于密集，工厂对人员密度的管理收紧，使得工厂采取“单人”工作的安全措施，也使得艾默生人员定位解决方案受到更多的关注。通过和政府共同资助和推动，让智能工厂项目和工业安全相关数字化项目进程都进一步加速，已经有多家企业引入了人员定位系统。
艾默生人员定位系统架构
新冠疫情对化工企业的影响
这次新冠疫情导致市场对数字化的敏感度和关注度增加。其中，对数字化和普适测量这两个方向的关注较为明显。在市场对变化的反应速度和工厂对远程作业有了全新看法，这两种情况都需要从不同的角度看待数据以及如何更精简的收集、查看和评估数据，有很多这样的例子，但明确的是要求使用较少的资源运营工厂。工厂在疫情发展严重时期，允许进入现场工作的人员数受到了很大影响，导致工厂的许多操作变得十分困难，这也凸显了利用无线技术测量的优势，不但能够测量更多点位也可以从多个方面降低成本，同时还可以减少入场人员和收集数据的时间，提高工程的整体安全。
新冠疫情促使抗疫化工品的市场需求在不断增加，迫使企业提高产量。在这方面，艾默生的用户越来越多地利用高级分析工具和机器学习，从而更好地做到管理资产的性能，并提前预测故障，以避免非计划停车。
疫情后，化工厂会面临高能耗的挑战和不断优化运营的需求，这使得企业会越来越关注可持续发展和能源管理。能源用户和电厂用户越来越多将投资用于寻找能源过度消耗的根本原因，因此需要进一步开发可靠的能源监测信息系统能够对过程行为、操作模式、资产可用性趋势进行建模和优化。
